• 자원환경지질
• /
• 제38권5호
• /
• pp.571-577
• /
• 2005

철산화물 피복 모래를 이용한 투수성 반응 벽체는 As(V)로 오염된 지하수의 처리에 매우 효과적인 것으로 알려져 있다 그러나 이 방법은 As(III)에 있어서는 그 제거효과가 제한적인 실정이다. 본 연구에서는 위 방법에 의한 3가 비소제거의 한계를 극복하기 위해서 As(III)를 As(V)로 산화시킬 수 있는 능력을 가진 망간산화물 피복 물질을 비소저감 촉진제로서, 철산화물 피복 물질을 이용한 처리 기법에 함께 적용하였다. 철산화물 피복 모래와 망간산화물 피복 모래를 함께 이용한 비소제거 방법으로서, 순차 제거법과 동시 제거법이 연구되었다. 두 가지 처리 방법 모두 6시간동안 $85\%$ 이상의 높은 비소제거 효율을 보였으며, 처리과정 동안 흡착제 표면의 철이나 망간의 용해에 의한 2차적인 오염도 일어나지 않았다. 그러나, 동시 제거법은 비소 저감 후 처리수의 산성도를 pH 6.0의 중성상태로 유지하는 반면, 순차 제거법은 처리수를 pH 4.5의 산성상태로 변화시키는 작용을 일으켜, 음용수로서의 이용을 위한 오염 지하수의 비소 저감법으로는 동시 제거법이 적합한 것으로 판정되었다. 보다 높은 As(III) 제거 효과를 위해, 망간 및 철산화물을 폴리프로필렌 섬유에 피복시켜 비소제거에 적용하였다. 폴리프로필렌 섬유는 높은 표면적과 낮은 비중의 특성을 가진, 신축성 있는 스폰지와 같은 저렴한 중합체의 일종이다. 이를 이용한 비소 제거법은 피복모래를 이용한 방법보다 월등히 뛰어난 $99\%$ 이상의 높은 비소제거 효율을 나타내었다. 또한, 피복 폴리프로필렌 섬유를 이용한 방법은 비소에 오염된 물의 음용수로의 이용을 위한 간편한 처리기법으로서 적용하기에 좋은 많은 실용적인 장점들을 가지고 있다.

• 대한환경공학회지
• /
• 제35권4호
• /
• pp.247-256
• /
• 2013

본 연구에서는 페놀계 화합물의 산화-변환 반응매개체로 알려진 버네사이트를 고정화한 알긴산 겔 비드(birnessite entrapped alginate beads, Bir-AB)를 제조하고, 1-naphthol (1-NP)의 제거반응 특성을 회분식 실험을 통하여 조사하였다. SEM (Scanning Electron Microscopy)분석 결과, 버네사이트 입자는 알긴산 겔을 가교로 하여 비드에 고정화됨을 확인하였다. Bir-AB에 의한 1-NP의 제거는 유사일차 속도반응(pseudo-first order kinetic)을 따랐으며, 반응속도상수(k)는 알긴산(AG)에 대한 버네사이트(Bir) 입자의 혼합비(Bir : AG=0.25 : 1~1 : 1 w/w)가 2배 증가할 때마다 약 1.5배씩 증가하였다. Bir-AB에 의한 1-NP 제거는 pH의 영향을 받았으며 pH가 10에서 4로 감소하면서 반응속도 상수(k, $hr^{-1}$)는 0.361에서 0.661로 약 1.8배 증가하였다. 반응상등액에 대한 총유기탄소(TOC) 분석결과 Bir-AB는 버네사이트 분말입자를 사용한 경우에 비교해 상대적으로 높은 용존 유기탄소 제거 효과(74% vs 92%)를 보였으며, 반응 후 분리한 비드에 대한 탈착실험(CH3OH)과 HPLC 크로마토그램 분석 결과로부터 1-NP의 중합체 생성물은 Bir-AB에의 고정화를 통해 수용액으로부터 제거될 수 있음을 확인하였다. 또한, 반응상등액에 대한 원자흡광분석(AAS) 분석결과 반응과정에서 용출되는 Mn이온은 Bir-AB에의 재흡착을 통해 제거되었다. Bir-AB는 간단한 여과를 통해 모두 회수가능하며, 2회 재사용에 따른 1-NP의 제거효율을 평가한 결과, 초기에 비교한 큰 반응성의 감소(제거율<20%) 없이 재사용이 가능한 것으로 나타났다.

• KSBB Journal
• /
• 제21권3호
• /
• pp.204-211
• /
• 2006

IFN-${\gamma}$의 대량생산을 위한 기초연구로서 IFN-${\gamma}$의 아미노 말단에 glucagon과 ferritin을 융합파트너로 각각 결합시켜 재조합 IFN-${\gamma}$의 발현을 유도하였다. 대장균 내에서 발현되는 IFN-${\gamma}$는 그 자체로 매우 강한 소수성 결합의 양상을 나타내어 inclusion body 형태로 발현된다고 알려져 있으나 OrigamiTM(DE3) 균주로부터 50% 이상의 수용성 형태로 발현시켰다. IFN-${\gamma}$로부터 융합파트너를 제거할 수 있는 system을 개발하기 위해 융합파트너와 IFN-${\gamma}$ 사이에 enterokinase cleavage site를 도입하였으며, enterokinase에 의해 IFN-${\gamma}$에는 영향을 미치지 않고 효과적으로 융합파트너를 제거할 수 있었다. 재조합 IFN-${\gamma}$의 분리 및 정제를 위해 발현벡터상의 융합파트너와 IFN-${\gamma}$사이에 6X His-tag을 도입하였고 융합파트너의 N-말단에도 6X His-tag을 추가적으로 도입함으로써 융합파트너와 더불어 enterokinase에 의해 분해되지 않은 융합단백질을 Ni-NTA agarose column으로 제거함으로서 IFN-${\gamma}$를 완전 정제할 수 있었다. IFN-${\gamma}$의 발현을 유도하는 발현유도체로서 15 mM lactose를 이용하여 5 L 발효조에서 IFN-${\gamma}$의 발현을 검토한 결과, 재조합 균체의 단위 건조질량(dry cell weight, g)으로 약 11 g DCW/L 수준의 재조합 융합단백질을 얻을 수 있었다.

• 지능정보연구
• /
• 제18권2호
• /
• pp.29-45
• /
• 2012

회사채 신용등급은 투자자의 입장에서는 수익률 결정의 중요한 요소이며 기업의 입장에서는 자본비용 및 기업 가치와 관련된 중요한 재무의사결정사항으로 정교한 신용등급 예측 모형의 개발은 재무 및 회계 분야에서 오랫동안 전통적인 연구 주제가 되어왔다. 그러나, 회사채 신용등급 예측 모형의 성과와 관련된 가장 중요한 문제는 등급별 데이터의 불균형 문제이다. 예측 문제에 있어서 데이터 불균형(Data imbalance) 은 사용되는 표본이 특정 범주에 편중되었을 때 나타난다. 데이터 불균형이 심화됨에 따라 범주 사이의 분류경계영역이 왜곡되므로 분류자의 학습성과가 저하되게 된다. 본 연구에서는 데이터 불균형 문제가 존재하는 다분류 문제를 효과적으로 해결하기 위한 다분류 기하평균 부스팅 기법 (Multiclass Geometric Mean-based Boosting MGM-Boost)을 제안하고자 한다. MGM-Boost 알고리즘은 부스팅 알고리즘에 기하평균 개념을 도입한 것으로 오분류된 표본에 대한 학습을 강화할 수 있으며 불균형 분포를 보이는 각 범주의 예측정확도를 동시에 고려한 학습이 가능하다는 장점이 있다. 회사채 신용등급 예측문제를 활용하여 MGM-Boost의 성과를 검증한 결과 SVM 및 AdaBoost 기법과 비교하여 통계적으로 유의적인 성과개선 효과를 보여주었으며 데이터 불균형 하에서도 벤치마킹 모형과 비교하여 견고한 학습성과를 나타냈다.